基于边界定位与纠偏的中文命名实体提取规则研究

相对于英文天然由单词组成而言，中文由于没有分词符，汉字之间的组词更灵活，在命名实体识别时，其边界更加难以确定。当前的主流方法将命名实体识别任务转化为序列标注任务，文中采用BIOES标注方案，针对预测的标签序列进行研究。通过单独比较实体头部标签B或尾部标签E,计算实体边界准确率，结果表明提高边界准确率能够进一步提升实体识别准确率；对具有连续标签的实体边界进行拓展和重定位，采用实体最后一个字符的类型标签对实体类型进行纠偏，利用分词信息对标签不完整的实体进行填充；最后，提出增加边界标记的BIO⁺ES标注方案，用于区分实体边界的非实体字符，以进一步提升中文命名实体识别的性能。